计量经济学知识点汇总期末复习用.pdf

发布时间：2022-06-02 发布人：admin 分类：说明书资料大小：2.61M 资料格式：pdf 举报版权申诉

miracle_zero-13125173-16359647742250800080.pdf-第1页.png

第1页 / 共33页

miracle_zero-13125173-16359647742250800080.pdf-第2页.png

第2页 / 共33页

miracle_zero-13125173-16359647742250800080.pdf-第3页.png

第3页 / 共33页

miracle_zero-13125173-16359647742250800080.pdf-第4页.png

第4页 / 共33页

miracle_zero-13125173-16359647742250800080.pdf-第5页.png

第5页 / 共33页

miracle_zero-13125173-16359647742250800080.pdf-第6页.png

第6页 / 共33页

miracle_zero-13125173-16359647742250800080.pdf-第7页.png

第7页 / 共33页

miracle_zero-13125173-16359647742250800080.pdf-第8页.png

第8页 / 共33页

计量经济学

chapter2 经典单方程计量经济学模型：一元线性回归模型

2.1 回归分析概述

2.1.1 回归分析的基本概念

2.1.2 总体回归函数

2.1.3 随机干扰项

2.1.4 样本回归函数

2.2 一元线性回归模型的基本假设

2.2.1 对模型设定的假设

2.2.2 对解释变量的假设

2.2.3 对随机干扰项的假设

经典线性回归模型

2.3 一元线性回归模型的参数估计

2.3.1 参数估计的普通最小二乘法(OLS)

2.3.2 参数估计的最大似然法(ML)

2.3.3 参数估计的矩估计法(MN)

2.4 最小二乘估计量的统计性质

2.4.1 线性性

2.4.2 无偏性

2.4.3 有效性（最小方差性）

2.5 参数估计量的概率分布及随机干扰项方差的估计

2.5.1 参数估计\hat{\beta_0}与\hat{\beta_1}的概率分布

2.5.2 随机干扰项\mu_i与\sigma^2的估计

2.4 一元线性回归模型的统计检验

2.4.1 拟合优度检验

2.4.1.1 总离差平方和的分解

2.4.1.2 可决系数R^2统计量

2.4.2 变量的显著性检验

2.4.3 参数检验的置信区间估计

2.5 一元线性回归分析的应用：预测问题

2.5.1 \hat{Y_0}可以作为E(Y|X=X_0)与Y_0的预测值

2.5.2 总体条件均值与个别值预测值的置信区间

2.5.2.1 总体条件均值预测值的置信区间

2.5.2.2 总体个别值预测值的置信区间

chapter3 经典单方程计量经济学模型：多元线性回归模型

3.1 多元线性回归模型

3.1.1 多元线性回归模型的形式

3.1.2 多元线性回归模型的基本假设

3.2 多元线性回归模型的参数估计

3.2.1 普通最小二乘估计

3.2.2 最大似然估计

3.2.3 矩估计*

3.2.4 参数估计量的统计性质

3.2.5 样本容量问题

3.2.6 多元线性回归模型的参数估计实例

3.3 多元线性回归模型的统计检验

3.3.1 拟合优度检验

3.3.2 方程总体线性的显著性检验（F检验）

3.3.3 变量的显著性检验（t检验）

3.3.4 参数的置信区间估计

3.4 多元线性回归模型的预测

3.4.1 E(Y0)的置信区间

3.4.2 Y0的置信区间

3.5 可化为线性的多元非线性回归模型

3.5.1 模型的类型与变换

3.5.2 可化为线性的非线性回归实例

3.6 含有虚拟变量的多元线性回归模型

3.6.1 含有虚拟变量的模型

3.6.2 虚拟变量的引入

3.6.3 虚拟变量的设置原则

3.7 受约束回归

3.7.1 模型参数的线性约束

3.7.2 对回归模型增加或减少解释变量

3.7.3 检验不同组之间回归函数的差异

3.7.4 非线性约束

chapter4 经典单方程计量经济学模型：放宽基本假定的模型

4.1 多重共线性

4.1.1 多重共线性的含义

4.1.2 实际经济问题中的多重共线性

4.1.3 多重共线性的后果

4.1.4 多重共线性的检验

4.1.5 克服多重共线性的方法

4.2 异方差性

4.2.1 异方差的类型

4.2.3 异方差性的后果

4.2.4 异方差性的检验

4.2.5 异方差的修正

4.3 内生解释变量问题

4.3.1 内生解释变量问题的提出

4.3.3 内生解释变量的后果

4.3.4 工具变量法

4.3.5 内生性检验与过度识别约束检验

4.4 模型设定偏误问题

4.4.1 模型设定偏误的类型

4.4.2 模型设定偏误的后果

4.4.3 模型设定偏误的检验

chapter5 时间序列计量经济学模型

5.1 时间序列模型的序列相关性

5.1.1 序列相关性

5.1.2 实际经济问题中的序列相关性

5.1.3 序列相关性的后果

5.1.4 序列相关性的检验

5.1.5 序列相关的补救

5.1.6 虚假序列相关问题

5.2 时间序列的平稳性及其检验

5.2.1 问题的提出

5.2.2 时间序列数据的平稳性

5.2.3 平稳性的图示判断

5.2.4 平稳性的单位根检验

5.2.5 单整时间序列

5.3 协整与误差修正模型

5.3.1 长期均衡关系与协整

5.3.2 协整的检验

5.3.3 关于均衡与协整的再讨论

5.3.4 误差修正模型ECM

5.4 格兰杰因果关系检验

5.4.1 时间序列自回归模型

5.4.2 时间序列向量自回归模型

5.4.3 格兰杰因果关系检验及其应用

chapter6 非经典截面数据计量经济学模型

6.1 选择性样本计量经济学模型

6.1.1 经济生活中的选择性样本问题

6.1.2 “截断”问题的计量经济学模型

6.1.3 “归并”问题的计量经济学模型

6.2 二元离散选择模型

6.2.3 二元Probit离散选择模型及其参数估计

6.2.4 二元Logit离散选择模型及其参数估计

6.2.5 二元离散选择模型的检验

6.3 固定效应面板数据计量经济学模型

6.3.1 截面个体变系数模型

6.3.2 截面个体变截距模型

6.3.3 界面个体截距、系数不变模型

6.3.4 截面个体不变截距、变系数模型

6.3.5 时点变系数模型

6.3.6 截面个体和时点变截距模型

6.3.7 模型设定检验

6.4 固定效应变截距模型

6.5 固定效应变系数模型

2.1 回归分析概述 2.1.1 回归分析的基本概念 2.1.2 总体回归函数 2.1.3 随机干扰项 2.1.4 样本回归函数 2.2 一元线性回归模型的基本假设 2.2.1 对模型设定的假设 2.2.2 对解释变量的假设 2.2.3 对随机干扰项的假设经典线性回归模型 2.3 一元线性回归模型的参数估计 2.3.1 参数估计的普通最小二乘法(OLS) 2.3.2 参数估计的最大似然法(ML) 2.3.3 参数估计的矩估计法(MN) 2.4 最小二乘估计量的统计性质 2.4.1 线性性 2.4.2 无偏性 2.4.3 有效性（最小方差性） 2.5 参数估计量的概率分布及随机干扰项方差的估计 2.5.1 参数估计与的概率分布 2.5.2 随机干扰项与的估计 2.4 一元线性回归模型的统计检验 2.4.1 拟合优度检验 2.4.1.1 总离差平方和的分解 2.4.1.2 可决系数统计量 2.4.2 变量的显著性检验 2.4.3 参数检验的置信区间估计 2.5 一元线性回归分析的应用：预测问题 2.5.1 可以作为与的预测值 2.5.2 总体条件均值与个别值预测值的置信区间 2.5.2.1 总体条件均值预测值的置信区间 2.5.2.2 总体个别值预测值的置信区间 3.1 多元线性回归模型 3.1.1 多元线性回归模型的形式 3.1.2 多元线性回归模型的基本假设 3.2 多元线性回归模型的参数估计 3.2.1 普通最小二乘估计 3.2.2 最大似然估计 3.2.3 矩估计* 3.2.4 参数估计量的统计性质计量经济学计量经济学 c h a p t e r 2 经典单方程计量经济学模型：一元线性回归模型 c h a p t e r 3 经典单方程计量经济学模型：多元线性回归模型

3.2.5 样本容量问题 3.2.6 多元线性回归模型的参数估计实例 3.3 多元线性回归模型的统计检验 3.3.1 拟合优度检验 3.3.2 方程总体线性的显著性检验（F检验） 3.3.3 变量的显著性检验（t检验） 3.3.4 参数的置信区间估计 3.4 多元线性回归模型的预测 3.4.1 E(Y0)的置信区间 3.4.2 Y0的置信区间 3.5 可化为线性的多元非线性回归模型 3.5.1 模型的类型与变换 3.5.2 可化为线性的非线性回归实例 3.6 含有虚拟变量的多元线性回归模型 3.6.1 含有虚拟变量的模型 3.6.2 虚拟变量的引入 3.6.3 虚拟变量的设置原则 3.7 受约束回归 3.7.1 模型参数的线性约束 3.7.2 对回归模型增加或减少解释变量 3.7.3 检验不同组之间回归函数的差异 3.7.4 非线性约束 4.1 多重共线性 4.1.1 多重共线性的含义 4.1.2 实际经济问题中的多重共线性 4.1.3 多重共线性的后果 4.1.4 多重共线性的检验 4.1.5 克服多重共线性的方法 4.2 异方差性 4.2.1 异方差的类型 4.2.3 异方差性的后果 4.2.4 异方差性的检验 4.2.5 异方差的修正 4.3 内生解释变量问题 4.3.1 内生解释变量问题的提出 4.3.3 内生解释变量的后果 4.3.4 工具变量法 4.3.5 内生性检验与过度识别约束检验 4.4 模型设定偏误问题 4.4.1 模型设定偏误的类型 4.4.2 模型设定偏误的后果 4.4.3 模型设定偏误的检验 5.1 时间序列模型的序列相关性 5.1.1 序列相关性 c h a p t e r 4 经典单方程计量经济学模型：放宽基本假定的模型 c h a p t e r 5 时间序列计量经济学模型

5.1.2 实际经济问题中的序列相关性 5.1.3 序列相关性的后果 5.1.4 序列相关性的检验 5.1.5 序列相关的补救 5.1.6 虚假序列相关问题 5.2 时间序列的平稳性及其检验 5.2.1 问题的提出 5.2.2 时间序列数据的平稳性 5.2.3 平稳性的图示判断 5.2.4 平稳性的单位根检验 5.2.5 单整时间序列 5.3 协整与误差修正模型 5.3.1 长期均衡关系与协整 5.3.2 协整的检验 5.3.3 关于均衡与协整的再讨论 5.3.4 误差修正模型ECM 5.4 格兰杰因果关系检验 5.4.1 时间序列自回归模型 5.4.2 时间序列向量自回归模型 5.4.3 格兰杰因果关系检验及其应用 6.1 选择性样本计量经济学模型 6.1.1 经济生活中的选择性样本问题 6.1.2 “截断”问题的计量经济学模型 6.1.3 “归并”问题的计量经济学模型 6.2 二元离散选择模型 6.2.3 二元Probit离散选择模型及其参数估计 6.2.4 二元Logit离散选择模型及其参数估计 6.2.5 二元离散选择模型的检验 6.3 固定效应面板数据计量经济学模型 6.3.1 截面个体变系数模型 6.3.2 截面个体变截距模型 6.3.3 界面个体截距、系数不变模型 6.3.4 截面个体不变截距、变系数模型 6.3.5 时点变系数模型 6.3.6 截面个体和时点变截距模型 6.3.7 模型设定检验 6.4 固定效应变截距模型 6.5 固定效应变系数模型变量X与Y的样本相关系数 c h a p t e r 6 非经典截面数据计量经济学模型 c h a p t e r 2 经典单方程计量经济学模型：一元线性回归模型 2 . 1 回归分析概述 2 . 1 . 1 回归分析的基本概念

协方差 X与Y的一组样本相关系数根据自变量的给定值，考察因变量的总体均值条件分布：条件均值：（双变量）总体回归线：不可观测的随机变量离差：对于每个个别样本的观察值围绕它的期望值的差值由（6）式：在线性假设下： (6)(7)被称为总体回归函数的随机设定形式未知的影响因素残缺的数据众多细小影响因素数据观测误差模型设定误差变量的内在随机性 2 . 1 . 2 总体回归函数线性总体回归函数 P R F ：是未知参数，称为回归系数 2 . 1 . 3 随机干扰项确定性部分 + 随机部分随机干扰性的原因： 1 . 2 . 3 . 4 . 5 . 6 . 2 . 1 . 4 样本回归函数样本回归函数 S R F

将(8)视为(7)的近似替代，则为的估计量，为的估计量，为的估计量，也有如下随机形式：被称为，代表其他影响的随机因素的集合，可以看作的估计量根据样本回归函数即(9)估计(6) 设计一种方法构造尽可能接近，使尽可能接近一元线性回归模型的一般形式：其中为，为与为，为在有n个样本点的情况下，也可写成：为保证参数估计量有良好的性质，通常对模型提出若干基本假设假设1 回归模型是被正确设定的 1. 模型设定了正确的变量满足时，称为模型 2. 模型选择了正确的函数形式假设2 解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一个非零的有限常数假设3 给定解释变量X的任何值，随机干扰项的均值为0 的期望不依赖于的任何观测点取值变化，且总为 → 与不存在任何形式的相关性 → 否则为内生解释变量只有符合该假设，才有(4)=(7)：样本残差项回归分析的主要目的 2 . 2 一元线性回归模型的基本假设被解释变量解释变量待估参数随机干扰项 2 . 2 . 1 对模型设定的假设没有设定偏差 2 . 2 . 2 对解释变量的假设 2 . 2 . 3 对随机干扰项的假设 0 X 为外生解释变量（严格外生的） ,

满足该假设时，根据期望迭代法则：一定可以得到随机干扰项与解释变量间的不相关性任何观测点处的都与不相关，也包括第个点处的与的不相关性 → 是的 → 与同期不相关假设4 随机干扰项μ具有给定X任何值条件下的同方差性及序列不相关性随机干扰项的方差不依赖于的变化，且总为在该假设下：给定解释变量的任何值时，任意两个观测点的随机干扰项不想管 (18.2)可被解释为：假设5 随机干扰项服从正态分布服从上述个假设高斯马尔可夫假设：假设在上述经典假设下：在一组样本观测值下，通过一定的参数估计方法，估计出样本回归线判断标准：在给定样本观测值下，选择与使得与之差的平方和最小当对与的一阶偏导数为0时，达到最小，即同期外生经典线性回归模型 5 - 1 - 4 2 . 3 一元线性回归模型的参数估计 2 . 3 . 1 参数估计的普通最小二乘法 ( O L S )

可推得：或解得：记：则(26)可被记为普通最小二乘法估计量的：记，则有：随机抽取容量为n的样本观测值，服从正态分布：由上式，可得的概率函数：极大似然函数极大似然估计量正规方程组离差形式 2 . 3 . 2 参数估计的最大似然法 ( M L )

使极大似然函数最大化，即可求得模型参数对极大似然函数进行与求导：即：用相应样本矩来估计总体矩根据随机干扰项的条件零均值假设：可被写为与普通最小二乘法中的（25）相同：最佳线性无偏估计量满足以下三个性质（）线性性：是否是另一个随机变量的线性函数无偏性：均值期望是否是总体的真实值有效性：它是否在所有线性无偏估计量中具有最小的方差在有限样本情况下很难找到最佳线性无偏估计量，因此需要考察渐进无偏性：样本容量趋于无穷大时，它的均值序列是否趋于总体真值一致性：样本容量趋于无穷大时，它是否依概率收敛于总体的真值渐进有效性：样本容量趋于无穷大时，它在所有的一致估计量中是否具有最小的渐近方差小样本更关注无偏性和有效性，线性性不是必须的大样本更关注一致性因此，在满足基本假设的情况下，模型结构参数的极大似然估计值与最小二乘估计值相等 2 . 3 . 3 参数估计的矩估计法 ( M N ) 正规方程式 2 . 4 最小二乘估计量的统计性质有限样本性质 / 小样本性质 1 . 2 . / 3 . 样本容量无限增大时估计量的渐进性质 4 . 5 . 6 . 2 . 4 . 1 线性性

分享到：

赞收藏

资料库

计量经济学知识点汇总期末复习用.pdf

相关推荐

行业

热门标签

最新资料